Técnicas de teledetección para el inventario forestal y sus aplicaciones a masas arbustivas

Transcripción

1 Técnicas de teledetección para el inventario forestal y sus aplicaciones a masas arbustivas Pablo Sabín Galán Jessica Esteban Cava Soria, 27 de abril 2017

2 Presentación Técnicas de inventario mediante tecnología LiDAR Uso de sensores satelitales para cartografía e inventario

3 Teledetección Técnica que permite obtener información sobre un objeto, área o fenómeno a través del análisis de los datos adquiridos por un instrumento que no está en contacto con el objeto, área o fenómeno bajo investigación (Chuvieco, 2010). Tipos de sensores Activos: emiten su propio haz de energía y reciben el retorno de esta modificada (No dependen de la luz solar). LiDAR y RADAR Pasivos: reciben la energía del sol reflejada por la superficie de la cubierta terrestre o la emitida por la propia cubierta.

4 INTRODUCCIÓN TECNOLOGÍA LIDAR El LiDAR (Light Detection And Ranging) es un sistema activo de detección remota basado en un escáner laser. Permite obtener información tridimensional del terreno (suelo y vegetación).

5 INTRODUCCIÓN TECNOLOGÍA LIDAR Equipo LiDAR: Sensor laser Receptor GPS Sistema Inercial de Navegación (INS) Ordenador

6 INTRODUCCIÓN TECNOLOGÍA LIDAR Sensor Laser: fuente laser, detector laser, mecanismo de escaneo, sistema de cronometraje y ordenador; Pulsos discretos; Banda del infrarrojo cercano (1064 nm); Frecuencia de Hz.; Campo de visión (FOV) variable; GPS en tiempo real; densidad de puntos en función de la configuración del sensor y del diseño del vuelo (de menos de 1 pto/m2 has más de 20); Ordenador con software de captura.

7 INTRODUCCIÓN TECNOLOGÍA LIDAR En superficies sólidas se produce un único retorno. En el agua no se produce retorno del pulso. En las cubiertas vegetales se obtienen más de un retorno. Fuente:

8 INTRODUCCIÓN TECNOLOGÍA LIDAR Vegetación Varios retornos por pulso

9 INTRODUCCIÓN TECNOLOGÍA LIDAR Todos los retornos 1os retornos 2os retornos 3os retornos 4os retornos

10 INTRODUCCIÓN TECNOLOGÍA LIDAR Modelo de combustible, continuidad del combustible, gestión de especies protegidas,. Estructura de la vegetación Hm Atura de inserción de rama Ho Continuidad vertical de combustibles Estrato de regeneración avanzada

11 METODOLOGÍA 1. Obtención datos Lidar para el área de estudio. 2. Reclasificación nube puntos (suelo / matorral) 3. Cálculo estadísticos de vegetación 4. Análisis de variabilidad del la estructura de la vegetación 5. Diseño y trabajo de inventario de campo 6. Ajuste de modelos de regresión 7. Aplicación de los modelos

12 METODOLOGÍA Vuelo Lidar Parcelas campo Procesado LIDAR Modelos Biomasa aérea Estimación territorial de biomasa

13 1. Datos LiDAR disponibles Plan Nacional Ortofotografía Aérea (PNOA)

14 1. Datos LiDAR disponibles Caracteríticas vuelo PNOA: Archivo en formato LAS, distribución en Hojas de 2x2 Km, Densidad Media Teórica: 0,5 puntos/m², Alturas: elipsoidales, Sistema de Referencia Geodésico ETRS89, Proyección UTM Huso 30

15 2. Clasificación nube puntos LiDAR Generación de modelos digitales de elevaciones (MDE) Retornos de vegetación Retornos de suelo MDT Normalización de los retornos láser clasificados como vegetación

16 2. Clasificación nube puntos LiDAR Se trabajó con distintos procesados de la nube de puntos LiDAR. Reclasificación Arriba captura de datos LiDAR sin reclasificar, abajo captura de datos LiDAR reclasificados, en los puntos verdes se aprecia como aparece vegetación Configuración seleccionada

17 3. Cálculo estadísticos de vegetación Cálculo de estadísticos de estructura de la vegetación Se calculan en celdas cuadradas las variables que caracterizan dicha celda a partir de los retornos lidar. Se eliminaron los retornos por encima de la altura máxima del matorral.

18 5. Inventario de campo Parcela de 11,3 m de radio 5 subparcelas de 2 m de radio S1 S4 S0 S2 S3 30 parcelas por tipo de vegetación

19 5. Inventario de campo Calibración de modelo con parcelas del monte. Precisiones submétricas de levantamiento GPS de parcelas de campo

20 5. Inventario de campo Biomasa aérea. Datos de campo: Biomasa (corte y pesado)

21 6. Ajuste de modelos de regresión Se realizan modelos de ajuste y se caracterizan Resumen de modelos seleccionados Modelo R 2 RMSE (t) B1=0.0077*(LFCC*((Elev.P90-Elev.P40)/(Elev.P90-Elev.mean)))^1.873*(LFCC*(Elev.P95-Elev.P60))^-0.527*Elev.P05^ B2= (0.508*LFCC)-(0.645*(Percentage.first.returns.above.mean*(Elev.P40-Elev.P10))) *Elev.P05 0, B1 (potencial) Absoluto Relativos Sesgo % eam % rmse % R B1 (potencial) Modelo Relativos Sesgo % eam % rmse % R Bondad de ajuste Validación cruzada B2 (lineal) Absoluto Relativos Sesgo % eam % rmse % R B2 (lineal) Modelo Relativos Sesgo % eam % rmse % R

22 8. Estimación de biomasa Procesado del LiDAR en áreas potenciales de producción de biomasa de matorral Modelos Estadísticos lidar Biomasa

23 Teledetección Tipos de sensores Activos: emiten su propio haz de energía y reciben el retorno de esta modificada (No dependen de la luz solar). LiDAR y RADAR Componentes sistema de teledetección pasivo Pasivos: reciben la energía del sol reflejada por la superficie de la cubierta terrestre o la emitida por la propia cubierta. Chuvieco (2010)

24 Conceptos básicos Resolución temporal: frecuencia/periodicidad con la que el sensor adquiere imágenes de la misma porción de la superficie terrestre. Programa Landsat días Programa Sentinel 10 días Meteosat min Resolución espacial: medida de la más pequeña separación angular o lineal entre dos objetos que pueden ser distinguidos por el sensor. Es el objeto más pequeño que puede ser distinguido sobre una imagen. Tamaño píxel: 30 metros Resolución radiométrica: Capacidad del sensor de detectar variaciones en la señal que recibe. Se expresa en número de valores de codificación (bits) Resolución espectral: número y anchura de las bandas espectrales que puede discriminar el sensor.

25 Composiciones de color Composición de color real: Las bandas espectrales RVA (rojo, verde y azul) se combinan aplicando a cada una de ellas los tres colores primarios que les corresponde. Falso color: se altera la asignación normal no se ajustan a lo que aprecian nuestros ojos. SWIR/IRC/ROJO IRC/ROJO/VERDE IRC/SWIR/ROJO

26 Programa Landsat Política de acceso libre y gratuita Fuente de datos histórica Cobertura global y repetitiva de la superficie terrestre Observación multiescala Problema de bandeado (Stripping)

27 Copernicus SENTINEL 2: IMÁGENES MULTIESPECTRALES DE ALTA RESOLUCIÓN (2015) SENTINEL 1: IMÁGENES RADAR (2014) MISION BIOMASS (2020). Radar específico medida biomasa forestal LiDAR satelital ICESat-2. NASA SENTINEL 4 Y 5: DEDICADOS A LA VIGILANCIA ATMOSFÉRICA (2019) SENTINEL 3: TOPOGRAFÍA DE LA SUPERFICIE MARINA, TEMPERATURA, COLOR DE LA TIERRA (2015) DISPONIBILIDAD DE GRAN VARIEDAD DE DATOS PARA LA ESTIMACION DE PARAMETROS FORESTALES

28 Clasificación de coberturas 1. Fase de entrenamiento Definición leyenda: Consistente y clases mutuamente excluyentes Digitalización regiones de entrenamiento (ROIs) Apoyo foto aérea, trabajo campo 2. Fase de asignación Clasificación no supervisada Clasificación supervisada - Método mínima distancia - Método máxima probabilidad - Método paralelepípedos Clasificación árboles de decisión Clasificación mediante Random Forest Clasificación por redes neuronales 3. Fase de verificación Cualitativa. Valoración en función del conocimiento que se tiene de la zona. Cuantitativa. Comprobación de puntos de los que se conoce su verdad terreno y plasmación en una matriz de confusión.

29 Clasificación de coberturas VARIABLES AUXILIARES. INDICES ESPECTRALES Actividad fotosintética: NDVI (Normalized Difference Vegetation Index), TVI (Transformed vegetation index), SAVI (Soil adjusted vegetatiton index), VIN (Vegetation Index Number), VID (Vegetation Index Difference), PVI (Perpendicular Vegetation Index). Contenido de humedad: MSI (Moisture Stress Index), NDII (Normalised Difference Infrared Index). Severidad del fuego: NBR (Normalized Burn Ratio) Cubiertas de nieve: NDSI (Normalized Difference Snow Index ) Clasificación Random Forest VARIABLES PREDICTORAS Información espectral Índices de vegetación Variables de textura MDE

30 Inventarios forestales continuos De qué manera el uso de información de sensores satelitales complementa los inventarios forestales? Posibilidad de obtener mapas temáticos de la distribución de las especies forestales El uso de series temporales permite analizar la dinámica de las masas forestales. Los datos LiDAR son fotos estáticas que no incorporan la dinámica de las masas forestales. Volumen de datos mucho menor Posibilidad de conocer variables de interés forestal en las que el uso de datos LiDAR sea una restricción (inversión económica, características del vuelo, ausencia de datos) Alternativa más barata si los datos LiDAR no tienen un acceso libre y gratuito

31 Gracias!!! Pablo Sabín Galán Jessica Esteban Cava